后疫情時代降低用能成本推動經(jīng)濟(jì)高質(zhì)量發(fā)展的效果及機制

楊 丹，鄧明艷，劉自敏,c，黃 敏

(西南大學(xué) a.經(jīng)濟(jì)管理學(xué)院；b.農(nóng)村經(jīng)濟(jì)與管理研究中心；c.經(jīng)濟(jì)研究中心， 重慶 400716)

一、引言

新冠肺炎疫情(以下簡稱“疫情”)對中國消費品制造、交通運輸、住宿餐飲、旅游休閑、地產(chǎn)金融等工業(yè)與商業(yè)領(lǐng)域打擊沉重，不利于經(jīng)濟(jì)增長與經(jīng)濟(jì)發(fā)展。在中國經(jīng)濟(jì)由高速增長轉(zhuǎn)為高質(zhì)量發(fā)展的背景下，政府應(yīng)盡快采取強有力的精準(zhǔn)措施，盡可能對沖疫情的“負(fù)效應(yīng)”，在后疫情時代助力經(jīng)濟(jì)的高質(zhì)量發(fā)展(1)本文采用王竹立(2020)對“后疫情時代”的定義，“后疫情時代”指新冠肺炎疫情過去后的時代，但并不是說疫情完全消失、一切恢復(fù)如前的狀況，而是疫情時起時伏，隨時都可能小規(guī)模暴發(fā)，從外國外地回流以及季節(jié)性發(fā)作，而且遷延較長時間，對各方面都產(chǎn)生深遠(yuǎn)影響的時代。。其中，“減稅降費”政策，特別是降費政策能有效減輕企業(yè)負(fù)擔(dān)，幫助經(jīng)濟(jì)復(fù)蘇。近年來，中央的各項政策已顯示了降低企業(yè)成本的重要性，2016年國務(wù)院專門制定了《降低實體經(jīng)濟(jì)企業(yè)成本工作方案》，強調(diào)多方面降低企業(yè)成本。

電力作為重要的二次能源，電力消費與經(jīng)濟(jì)增長緊密相關(guān)，具有很強的乘數(shù)效應(yīng)。從2015年開始，中央已多次采取措施積極降低工業(yè)用能成本，在2019年12月的中央經(jīng)濟(jì)工作會議上，首次明確表示“要降低企業(yè)用電成本”。國家發(fā)展和改革委員會于2020年2月發(fā)布的《關(guān)于階段性降低企業(yè)用電成本支持企業(yè)復(fù)工復(fù)產(chǎn)的通知》，明確了除高耗能行業(yè)用戶外，一般工商業(yè)和大工業(yè)企業(yè)的電費將下調(diào)5%。同時，《應(yīng)對疫情中央及地方支持性政策匯編》顯示，不同省份為推動企業(yè)發(fā)展均提出了具體的降成本措施。電費作為“第二稅收”，降電費不僅直接惠及企業(yè)用電客戶，還在二次傳遞上降低了各行各業(yè)的成本。

根據(jù)2005年國際能源署(IEA)與經(jīng)合組織(OECD)的報告，OECD國家平均居民電價與工業(yè)電價之比為1.7∶1，全世界主要國家中，只有印度、俄羅斯與中國的居民電價低于工業(yè)電價。中國工業(yè)電價與居民電價的交叉補貼現(xiàn)象嚴(yán)重，需采取措施降低交叉補貼。由于居民用戶對電價的可接受能力有限，同時電量市場交易量的比重不斷上升，工業(yè)電價的市場化降價空間較大，所以減少企業(yè)用能成本，降低交叉補貼的重要措施便是降低工業(yè)電價。

目前，突發(fā)事件沖擊下企業(yè)用能成本對經(jīng)濟(jì)發(fā)展影響的相關(guān)研究主要集中在以下3個方面：

第一，突發(fā)事件的沖擊會對人類生活、經(jīng)濟(jì)發(fā)展產(chǎn)生極大的影響。突發(fā)事件對經(jīng)濟(jì)發(fā)展的負(fù)效應(yīng)一般為兩年[1]，SARS病毒短期不利于國民經(jīng)濟(jì)發(fā)展，長期制度性因素的改變會提升資源配置效率[2]。長期災(zāi)害會促進(jìn)技術(shù)進(jìn)步、更新資本存量，提升全要素生產(chǎn)率[3]。颶風(fēng)作為突發(fā)事件會造成工人工資和就業(yè)率的變動[4-5]，對不同受教育程度的居民存在異質(zhì)性就業(yè)效應(yīng)[6]。地震會使經(jīng)濟(jì)短期(1年以內(nèi))受損，中期(2～5年)恢復(fù)，長期(6～12年)提升[7]。

第二，能源價格會影響經(jīng)濟(jì)增長，降低企業(yè)用能成本將促進(jìn)經(jīng)濟(jì)復(fù)蘇及其發(fā)展。降成本的措施可概括為：降低能源成本、降低制度性交易成本、降低企業(yè)人工成本、降低企業(yè)稅費負(fù)擔(dān)等[8]。降成本是實現(xiàn)中國經(jīng)濟(jì)增長與經(jīng)濟(jì)發(fā)展的核心[9]。石油價格上漲將對宏觀經(jīng)濟(jì)產(chǎn)生負(fù)向影響[10]，能源價格下降有助于實際GDP和社會福利增加[11]。石油價格沖擊對經(jīng)濟(jì)增長存在影響[12]；天然氣價格波動與經(jīng)濟(jì)系統(tǒng)變化有關(guān)系[13]；差別能源價格對歐盟和非歐盟國家的宏觀經(jīng)濟(jì)影響不同[14]。

第三，中國電力交叉補貼嚴(yán)重，減少交叉補貼對經(jīng)濟(jì)高質(zhì)量發(fā)展有重要作用。交叉補貼的本質(zhì)是價格扭曲，價格扭曲損害了經(jīng)濟(jì)增長、能源效率與社會福利[15]，要素扭曲阻礙了資源的再配置[16]，消除扭曲有助于生產(chǎn)率提升[17]。減少電力補貼可以提高用電效率、減少碳排放與無謂損失[18]。經(jīng)濟(jì)高質(zhì)量發(fā)展要借助于要素價格的資源配置功能[19]，技術(shù)進(jìn)步偏向是資源配置的重要體現(xiàn)[20]，減少要素配置扭曲可以使全要素生產(chǎn)率提升43%[21]。

綜上所述，大量文獻(xiàn)分析了突發(fā)事件、價格扭曲對經(jīng)濟(jì)發(fā)展的不利影響?；谥袊I(yè)電價補貼居民電價的現(xiàn)實背景，在后疫情時代，如何實現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展，將是政府面臨的重要難題。本研究將基于中國經(jīng)濟(jì)高質(zhì)量發(fā)展的視角，以能源效率、工業(yè)產(chǎn)值、CO2排放量、社會福利等指標(biāo)作為衡量經(jīng)濟(jì)高質(zhì)量發(fā)展的指標(biāo)，探討減少價格扭曲，即企業(yè)用能成本降低對企業(yè)高質(zhì)量發(fā)展的效果及其機制。本文的貢獻(xiàn)與創(chuàng)新點在于：(1)估計了2006—2019年全國工業(yè)和居民用戶間電價交叉補貼的總體趨勢，有助于更好地了解中國電力交叉補貼的基本面；(2)基于城市數(shù)據(jù)分析了降低企業(yè)用能成本對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響及其機制；(3)以能源效率、工業(yè)產(chǎn)值、社會福利等作為經(jīng)濟(jì)高質(zhì)量發(fā)展的代理變量，評估降低企業(yè)用能成本，減少價格扭曲對經(jīng)濟(jì)高質(zhì)量發(fā)展的短期、中期及長期效果。

二、理論分析與研究思路

降低工業(yè)用能成本，減少交叉補貼能夠提高效率、提升福利、減少碳排放，促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展[18,22]?；谙M者理論，交叉補貼會引致價格扭曲。一方面，工業(yè)企業(yè)這類低成本用戶由于高電價而抑制生產(chǎn)規(guī)模，不利于生產(chǎn)；另一方面，居民用戶這類高成本用戶由于低電價而過度消費，造成資源浪費，均不利于社會經(jīng)濟(jì)的提升。存在交叉補貼時，工業(yè)用戶及居民用戶的經(jīng)濟(jì)損失如圖1所示。

圖1 交叉補貼下工業(yè)用戶和居民用戶的經(jīng)濟(jì)損失

其中，Q為用電量，ph、pi、p0分別是現(xiàn)行的居民電價、現(xiàn)行的工業(yè)電價、調(diào)整后的電價，h、i表示居民用戶、工業(yè)用戶(2)需要說明，確定理想價格(即不存在交叉補貼)時，假設(shè)居民與工業(yè)用電的理想價格均為p0，此時得到中國真實居民與工業(yè)電價間交叉補貼值的下限。。當(dāng)工業(yè)電價大于居民電價，存在交叉補貼時，工業(yè)用戶由于無法達(dá)到最優(yōu)生產(chǎn)規(guī)模造成的經(jīng)濟(jì)損失為△ABC的面積，而居民用戶由于電價偏低而多消費，造成資源浪費的經(jīng)濟(jì)損失為△DEF的面積，且二者的關(guān)系為：△ABC=△DEF。

由于只估計工業(yè)與居民用戶間的交叉補貼，沒有分析二者共同享受到的外部補貼或工業(yè)與居民對其他能源的補貼等。因此，在分析兩兩間的交叉補貼時，交叉補貼支出額等于交叉補貼所得額。補貼方和受補貼方的交叉補貼額的下限值關(guān)系為：

(p0-ph)*Qh=(pi-p0)*Qi

(1)

根據(jù)價差法，在式(1)的基礎(chǔ)上計算出無交叉補貼時的價格p0，就可以計算出中國電力結(jié)構(gòu)中工業(yè)對居民用電的交叉補貼的下限。單位交叉補貼額、交叉補貼總額與交叉補貼率的計算公式分別為：

Cross_Sub=|Δp|=pi-p0=p0-ph

(2)

Cross_Sub_sum=|Δp*Q|=(pi-p0)*Qi=(p0-ph)*Qh

(3)

Cross_Sub_Ratio=Cross_Sub/(pi*Qi)

(4)

基于式(2)～(4)可以計算出工業(yè)和居民用戶間的交叉補貼下限。減少交叉補貼的途徑主要是降低工業(yè)電價，提升居民電價，同時配合其他的非價格手段[22]。但是，居民對電力價格的接受力有限，居民電價提升程度不宜過高，否則不利于居民福利提升。

因此，減少交叉補貼應(yīng)該從工業(yè)降價開始。交叉補貼引致效率損失的可能機制包括：交叉補貼引致偏向傳統(tǒng)能源而非新技術(shù)能源的技術(shù)進(jìn)步引致純技術(shù)效率下降；交叉補貼引致價格扭曲導(dǎo)致無法達(dá)到生產(chǎn)最優(yōu)規(guī)模，最終導(dǎo)致規(guī)模配置效率下降等[23-24]。因此，純技術(shù)效率和規(guī)模效率下降是導(dǎo)致能源效率下降的可能途徑。本文的研究思路如圖2所示。

圖2 企業(yè)用能成本降低對經(jīng)濟(jì)高質(zhì)量發(fā)展影響的內(nèi)容框架

一方面，純技術(shù)效率會對企業(yè)的技術(shù)創(chuàng)新產(chǎn)生影響[25]，不利于經(jīng)濟(jì)增長。全要素生產(chǎn)率的提升主要依靠技術(shù)效率的改善[26]，對經(jīng)濟(jì)高質(zhì)量發(fā)展至關(guān)重要[27]。中國電力價格扭曲嚴(yán)重，導(dǎo)致較高的企業(yè)用能成本，不利于企業(yè)增加清潔能源(電力)的使用。過高的交叉補貼，導(dǎo)致企業(yè)缺乏技術(shù)創(chuàng)新激勵，不會增加更多的技術(shù)改進(jìn)投入，純技術(shù)效率偏低，不利于經(jīng)濟(jì)的運行。另一方面，規(guī)模效率下降是導(dǎo)致全要素生產(chǎn)率提升的主要因素[28]。電力價格扭曲，導(dǎo)致企業(yè)的資源配置效率低下，企業(yè)難以實現(xiàn)規(guī)模經(jīng)濟(jì)。同時，當(dāng)交叉補貼嚴(yán)重時，企業(yè)不能根據(jù)自身的比較優(yōu)勢選擇投入要素，以達(dá)到最優(yōu)生產(chǎn)規(guī)模，最終將由于生產(chǎn)不足造成經(jīng)濟(jì)損失。但二者的作用具體如何，本文將在實證分析中進(jìn)行驗證。

此外，本文將探討企業(yè)用能成本降低對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響與機制，就企業(yè)用能成本降低的短期、中期、長期經(jīng)濟(jì)效應(yīng)進(jìn)行場景分析，即降低企業(yè)用能成本最終對經(jīng)濟(jì)增長、節(jié)能減排、社會福利等的影響。

三、數(shù)據(jù)說明及相關(guān)指標(biāo)的測算

本節(jié)首先是對本文所使用的100個樣本城市數(shù)據(jù)進(jìn)行說明，然后基于全局SBM方法測算綠色能源效率及其分解結(jié)果，并分析由于工業(yè)電價高于居民電價引致的交叉補貼情況。

(一)數(shù)據(jù)說明

本研究所使用的電價數(shù)據(jù)來自中國價格信息網(wǎng)，該網(wǎng)站采集了中國大陸地區(qū)31個省、自治區(qū)、直轄市的100個典型城市(東部36個，中部30個，西部34個)2006—2016年的居民與工業(yè)用電月度價格(3)限于數(shù)據(jù)可獲性與統(tǒng)計口徑的變化，研究期僅到2016年。根據(jù)最新的《中國城市統(tǒng)計年鑒》顯示從2017年開始，城市層面的諸多指標(biāo)的統(tǒng)計口徑發(fā)生了變化，由市轄區(qū)變成了全市。因此，諸多最新的基于城市數(shù)據(jù)所做的分析，其數(shù)據(jù)期都截止到2016年，如：人口密度自從2016年后就不再公布了；2017年的工業(yè)用電量和全社會用電量為全市層面的數(shù)據(jù)；2017年的城鄉(xiāng)居民生活用電為全市的城鎮(zhèn)居民生活用電而非全市的城鄉(xiāng)居民生活用電。。該數(shù)據(jù)樣本區(qū)域分布較為均衡，每個省、自治區(qū)、市均包含2～3個城市(西藏除外)，東、中、西部地區(qū)城市數(shù)量分布較為均勻，具有較好的代表性。本文實證分析所使用的變量來自多個數(shù)據(jù)庫。參照《2006年IPCC國家溫室氣體清單指南》和張子龍[29]的研究，對各城市的能源消費和水泥生產(chǎn)過程中的CO2排放量進(jìn)行計算。工業(yè)與居民能源消費量、GDP、工資額、人口數(shù)等變量自于《中國城市統(tǒng)計年鑒》，氣候特征變量來源于中國氣象數(shù)據(jù)網(wǎng)。因為所有控制變量均在年份層面，因此本文將月度電價數(shù)據(jù)加總平均到年度層面，得到年度電價并和其他變量進(jìn)行匹配，形成本文分析所使用的完整數(shù)據(jù)。根據(jù)新冠肺炎疫情的嚴(yán)重程度(4)本文對新冠肺炎疫情地區(qū)的分類借鑒國務(wù)院聯(lián)防聯(lián)控機制印發(fā)的《關(guān)于科學(xué)防治精準(zhǔn)施策分區(qū)分級做好新冠肺炎疫情防控工作的指導(dǎo)意見》，根據(jù)確診病率來劃分疫情的區(qū)域。其中，確診病率大于等于1的為疫情重度地區(qū)；確診病率在0.5～1的為疫情中度嚴(yán)重；確診病率小于0.5為疫情輕度地區(qū)。數(shù)據(jù)統(tǒng)計截止日期為2020年3月2日，數(shù)據(jù)來源于國家統(tǒng)計局及國家衛(wèi)建委及各地衛(wèi)健委。雖然截至2020年3月，中國疫情尚未結(jié)束，但是本文劃分疫情的標(biāo)準(zhǔn)，即確診人數(shù)是疫情最嚴(yán)重的時期，比較具有代表性。，變量描述性統(tǒng)計如表1所示。

表1 變量描述性統(tǒng)計

從表1可知，中國城市工業(yè)電價比居民電價高0.21元。在疫情嚴(yán)重程度不同的地區(qū)稍有變化，其中疫情重度地區(qū)的工業(yè)電價比居民電價高0.208元；疫情中度地區(qū)的工業(yè)電價比居民電價高0.255元；疫情輕度地區(qū)的工業(yè)電價比居民電價高0.185元。可以初步判斷中國工業(yè)與居民電價之間的交叉補貼問題嚴(yán)重，這將造成能源效率與社會福利損失，不利于經(jīng)濟(jì)高質(zhì)量發(fā)展(5)雖然本文對于新冠肺炎疫情的分類是根據(jù)2020年的數(shù)據(jù)劃分的，相對于2006—2016年的工業(yè)與居民消費存在滯后性。但是，基于此分析降低企業(yè)用能成本對疫情造成的經(jīng)濟(jì)沖擊的對沖效應(yīng)是合理的。原因在于降價行為和GDP、碳排放、社會福利等之間的關(guān)系存在一定經(jīng)濟(jì)規(guī)律。將這個規(guī)律進(jìn)行歸納總結(jié)后，如果這個規(guī)律(理論)成立，那么它將適用于中國其他情形。所以即使本文的數(shù)據(jù)是疫情前的，在疫情期間的降價行為對經(jīng)濟(jì)或者碳排放等經(jīng)濟(jì)高質(zhì)量發(fā)展指標(biāo)產(chǎn)生基本相似的影響。。

(二)綠色能源效率的測算

基于相關(guān)研究[22，30]，本節(jié)在全局DEA的框架下，在非徑向、非角度和考慮非合意產(chǎn)出的基礎(chǔ)上，構(gòu)建全局SBM(Slack Based Model)模型來測度包含能源投入的綠色能源效率，即通過全局SBM模型測算效率。具體的模型設(shè)定如下所示：

假設(shè)共有n個決策單元(DMU)，每個DMU均有m種投入，s1種期望產(chǎn)出，s2種非期望產(chǎn)出，3種指標(biāo)分別表示為xi，gi，bi；向量表達(dá)式分別為xi∈Rm，gi∈Rs1,bi∈Rs2。再定義X，G，B的矩陣形式分別如下：X=[x1,x2,...,xn]∈Rm×n，G=[g1,g2,...,gn]∈Rs1×n，B=[b1,b2,...,bn]∈Rs2×n，且xi>0，gi>0,bi>0?；赟BM方法，確定的生產(chǎn)可能集為：

(5)

規(guī)模報酬可變時，非期望產(chǎn)出的SBM模型如下：

(6)

其中，s-、sg、sb分別表示為投入松弛變量、期望產(chǎn)出的松弛變量和非期望產(chǎn)出的松弛變量。同時，由于規(guī)模報酬可變，所以綜合效率(Technical Efficiency，TE)可以分解為純技術(shù)效率(Pure Technical Efficiency，PTE)和規(guī)模效率(Scale Efficiency，SE)，且綜合效率與純技術(shù)效率與規(guī)模效率間的關(guān)系為：TE=PTE*SE[31]。

由此，本文構(gòu)建出考慮非合意產(chǎn)出的非徑向全局SBM模型，來測度考慮了能源投入的綠色能源效率、純技術(shù)效率及規(guī)模效率。進(jìn)一步地，本文選擇表2所示的變量來測度包含能源投入的綠色能源效率。投入變量主要包括資本存量、勞動力與工業(yè)用電量，產(chǎn)出變量主要包括工業(yè)總產(chǎn)值與作為負(fù)產(chǎn)出代表的碳排放量。變量定義及數(shù)據(jù)來源如表2所示。

表2 能源效率測度指標(biāo)選擇

資本存量的計算主要是借鑒柯善咨和向娟[32]的研究，采用永續(xù)盤存法，用最新的投資數(shù)據(jù)進(jìn)行擴展。其中，第二產(chǎn)業(yè)產(chǎn)值以1995年為基期進(jìn)行價格平減。

綠色能源效率顯示，2006—2016年中國能源效率較低，各地區(qū)的純技術(shù)效率均小于規(guī)模效率，說明傳統(tǒng)的通過提高能源利用企業(yè)規(guī)模的方式來獲取規(guī)模經(jīng)濟(jì)以提升規(guī)模效率，進(jìn)而提高能源總效率的方式不可持續(xù)。不同疫情程度、不同地區(qū)的效率對比如表3所示。

表3 2006—2016年各地區(qū)能源效率均值對比

疫情嚴(yán)重程度不同的地區(qū)效率存在差異，其中疫情重度地區(qū)的純技術(shù)效率最高，而疫情中度地區(qū)的綠色能源效率及規(guī)模效率最高。分區(qū)域來看，中部地區(qū)的綠色能源效率及規(guī)模效率最高，而東部地區(qū)的純技術(shù)效率最高。但全國的綠色能源效率均值僅為0.276，純技術(shù)效率僅0.395，規(guī)模效率相對高一點，但總體處于低水平。

(三)交叉補貼的計算

基于式(3)(4)，可以計算出交叉補貼總額及交叉補貼率，如圖3所示。

圖3 2016年各地區(qū)工業(yè)與居民用戶的電力交叉補貼情況

從交叉補貼總額來看，交叉補貼總額最大的3個省份分別為：江蘇、廣東、山東；交叉補貼總額最小的3個省份為：青海、寧夏、海南，可以看出經(jīng)濟(jì)發(fā)達(dá)地區(qū)的交叉補貼總額較經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)更大。從交叉補貼率來看，交叉補貼率最高的3個省份分別為：北京、陜西、云南；交叉補貼率最低的3個省份為：海南、寧夏、河北。

基于2016年工業(yè)和居民電力消費量，利用加權(quán)平均的方法，計算全國層面的工業(yè)電價與居民電價。結(jié)合國家能源局2017—2019年社會用電量，可以計算2017—2019年全國交叉補貼總額下限值。由此，2006—2019年的電力交叉補貼總額變化如圖4所示。

圖4 2006—2019年全國工業(yè)與居民用戶的電力交叉補貼變化趨勢

如圖4所示，自2006年以來，中國的電力交叉補貼總額均較高，2006—2017年一直在穩(wěn)定提升。但是在2018年開始出現(xiàn)了轉(zhuǎn)折，電力交叉補貼總額總體上有所下降，總體呈倒“U”型。可能原因是中國在2018年和2019年實施了“一般工商業(yè)降價10%”的政策。即使工業(yè)電價的下降實現(xiàn)了企業(yè)用能成本降低，交叉補貼總額有所下降，但總體還是偏高。其中很重要的原因在于：居民用電價格近年來基本保持不變，而居民用電占比在不斷提升。因此，盡管自2015年實施供給側(cè)結(jié)構(gòu)性改革以來的一系列舉措，適當(dāng)降低了工商業(yè)電力交叉補貼水平，但隨著居民用電占比逐年提高，交叉補貼規(guī)模依舊較高(6)王鵬和曹雨潔(2019)估計的2017年全國(居民和農(nóng)業(yè)用戶)電力交叉補貼總額為2 700億元，與本文根據(jù)最新數(shù)據(jù)粗略計算的數(shù)據(jù)差異不大(本文僅估算了工業(yè)用戶對居民用戶的電力交叉補貼)，這也佐證了本文提出的交叉補貼下限估計思路的有效性。而根據(jù)國際能源署(IEA)的估算，中國目前的電力和石油補貼穩(wěn)居世界第一，2016 年分別為241.21億美元和162.62億美元。。

四、交叉補貼對經(jīng)濟(jì)高質(zhì)量發(fā)展影響的實證分析

基于理論部分的分析，可知降低工業(yè)電價是減少交叉補貼的重要措施，那么交叉補貼的減少對經(jīng)濟(jì)發(fā)展的效果如何呢？本節(jié)將以能源效率作為經(jīng)濟(jì)高質(zhì)量發(fā)展的指標(biāo)，評估交叉補貼減少對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響。進(jìn)一步地，分析交叉補貼影響能源效率的機制。

(一)影響評估

借鑒IEA(1999)，本文采用對數(shù)線性的半彈性需求函數(shù)形式來估計交叉補貼引致的價格扭曲對能源效率的影響效果。具體的估計方程為：

lnTEit=α+βCross_Subit+φXit+μi+υt+εit

(7)

lnTEit=α+βCross_Sub_Ratioit+φXit+μi+υt+εit

(8)

其中，TEit為不同城市不同年份的綠色能源效率值，Cross_Subit為對應(yīng)的交叉補貼額，Cross_Sub_Ratioit為對應(yīng)的交叉補貼率，Xit為控制變量，包括工業(yè)總產(chǎn)值、工業(yè)企業(yè)數(shù)、煤氣供應(yīng)量、市轄區(qū)面積、氣溫等變量。

考慮到交叉補貼與能源效率之間的內(nèi)生性(7)交叉補貼主要是由電力價格測度的，會直接影響能源效率，但是當(dāng)能源效率很低時，政府會出面采取價格或非價格手段進(jìn)行干預(yù)，其中又以價格手段為主。因此，能源效率可能會反過來影響到居民或工業(yè)企業(yè)部門的交叉補貼。，本文將通過工具變量的方法解決二者之間互為因果的問題。所采用的工具變量為：除本市之外的國家能源局省級監(jiān)管辦或省級電網(wǎng)公司管轄內(nèi)其他城市工業(yè)與居民交叉補貼額(率)的平均[22]。首先，基于式(7)利用普通雙固定效應(yīng)模型進(jìn)行估計。然后，引入工具變量(IV)分析交叉補貼額對經(jīng)濟(jì)影響的效果，結(jié)果如表4所示。

表4 交叉補貼額與綠色能源效率的半彈性估計

表4中的(1)和(2)為普通雙固定效應(yīng)的估計結(jié)果，其中列(1)并未引入控制變量?？梢钥闯觯徊嫜a貼額會顯著降低能源效率，并且如果不引入控制變量，如工業(yè)總產(chǎn)值、工業(yè)企業(yè)數(shù)、煤氣供應(yīng)量、市轄區(qū)面積、氣溫等，將會高估其影響效果。此外，列(3)是引入工具變量后的估計結(jié)果，可以看出，解決二者間的內(nèi)生性問題后，交叉補貼額對能源效率的影響依然顯著為負(fù)。同時，分地區(qū)估計結(jié)果顯示東中西部地區(qū)間并沒有顯著差異。

同樣地，基于式(8)分析交叉補貼率對經(jīng)濟(jì)影響的效果，結(jié)果如表5所示。

表5中的(1)和(2)為普通雙固定效應(yīng)的估計結(jié)果，其中(1)并未引入控制變量。可以看出，交叉補貼率會顯著降低能源效率，并且如果不引入控制變量，將會高估其影響效果。此外，(3)是引入工具變量后的估計結(jié)果，結(jié)果顯示，解決內(nèi)生性后，交叉補貼率仍然顯著降低能源效率。同時，分地區(qū)估計結(jié)果顯示東中西部地區(qū)間并沒有顯著差異。

表5 交叉補貼率與綠色能源效率的半彈性估計

此外，由于疫情的嚴(yán)重程度不同，本文進(jìn)一步分析了交叉補貼引致的價格扭曲在不同的疫情地區(qū)對經(jīng)濟(jì)發(fā)展扮演的作用，結(jié)果如表6所示。

表6 同疫情地區(qū)的交叉補貼與綠色能源效率的半彈性估計

由表6可以看出，在使用工具變量解決內(nèi)生性問題后，交叉補貼額(率)對于疫情嚴(yán)重程度不同的地區(qū)均造成顯著的效率損失。因此，針對效率損失的大小不同，在制定政策降低企業(yè)用能成本對沖疫情造成的不利影響時，可以針對疫情的嚴(yán)重程度不同實施差異化的政策。

(二)機制分析

為了驗證理論分析中提出的交叉補貼是否是通過純技術(shù)效率和規(guī)模效率影響綠色能源效率，本文將構(gòu)成兩個實證模型分析其影響機制：一是檢驗降低工業(yè)電價，減少交叉補貼是否是通過純技術(shù)效率的改變而促進(jìn)能源效率的提升；二是檢驗規(guī)模效率相應(yīng)的作用。參考溫忠麟[33]的研究，設(shè)定如下模型：

(9)

其中，TE為綠色能源效率，M為中介變量(即純技術(shù)效率或規(guī)模效率)，Cross_sub為單位交叉補貼額，X為控制變量?；谑?9)所示的模型，相應(yīng)的估計結(jié)果如表7所示。

由表7可以看出，純技術(shù)效率是重要的機制，交叉補貼減小會刺激純技術(shù)效率提升，從而使得效率提升。純技術(shù)效率的中介效應(yīng)占比為62.20%。但是，規(guī)模效率主要表現(xiàn)為遮掩效應(yīng)。也就是說，交叉補貼減少會導(dǎo)致規(guī)模效率減小，不利于能源效率的增加。

表7 交叉補貼對綠色能源效率影響的機制分析

因此，為應(yīng)對新冠肺炎疫情給經(jīng)濟(jì)帶來的不利影響，減少工業(yè)電價應(yīng)該更加具有針對性，比如對于中小企業(yè)實施降費政策，助力中小企業(yè)減負(fù)，提升其技術(shù)效率，促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。而對于規(guī)模較大的企業(yè)而言，要適度實施降費政策，減小交叉補貼。實現(xiàn)效率提升和經(jīng)濟(jì)發(fā)展的重點在于提升純技術(shù)效率。

五、降低企業(yè)用能成本對經(jīng)濟(jì)高質(zhì)量發(fā)展影響的場景分析

基于表4交叉補貼額對能源效率影響評估中的半彈性分析，本節(jié)將以2020年 “降低企業(yè)用能成本”作為政策背景，分析新冠肺炎疫情發(fā)生后，工業(yè)電力降費對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響。在此，將以能源效率、社會福利等指標(biāo)作為經(jīng)濟(jì)高質(zhì)量發(fā)展的衡量標(biāo)準(zhǔn)。

(一)場景設(shè)定

降低企業(yè)用能成本，即工業(yè)電力降費的政策措施是為了減少電力交叉補貼，讓工業(yè)企業(yè)用戶的電力價格反映真實的電力成本，減少價格扭曲，提升效率與社會福利?；诮祪r政策和現(xiàn)實背景，我們不僅關(guān)注降價政策的短期效果，更關(guān)注其中長期的經(jīng)濟(jì)效應(yīng)。因此，本文主要分析以下3種常見情況中，工業(yè)用能成本降低對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響。

場景一：短期效果分析。為了應(yīng)對新冠肺炎疫情，國家發(fā)改委明確規(guī)定：除高耗能行業(yè)用戶外，一般工商業(yè)和大工業(yè)企業(yè)的電費將下調(diào)5%，降價時間自2月1日至6月30日。因此，場景一主要是分析工業(yè)電力降費5%的短期經(jīng)濟(jì)效益。場景二：中期效果分析。中期(2～5年)來看，本文將借鑒2018年和2019年全年工業(yè)電力降費10%的政策，分析未來工業(yè)電力降費10%的中期經(jīng)濟(jì)效果。場景三：長期效果分析。如果未來完全實現(xiàn)無交叉補貼的政策目標(biāo)，即工業(yè)電力降費標(biāo)準(zhǔn)為理論降價潛力，那么其經(jīng)濟(jì)效應(yīng)將如何呢？因此，本文根據(jù)中國價格信息網(wǎng)2020年1月公布的最新工業(yè)與居民電價可以計算出工業(yè)電價的降價潛力，以“理論降價潛力”作為長期政策目標(biāo)，分析實現(xiàn)無交叉補貼帶來的長期經(jīng)濟(jì)效益。

(二)場景分析

1.新冠肺炎疫情沖擊下不同場景工業(yè)電力降費的效果分析

基于不同場景電力降價比例，可以計算出交叉補貼的減少額度，進(jìn)一步通過表4的彈性，分析出效率的提升情況。基于全局SBM模型，可以計算出相應(yīng)的CO2減少、工業(yè)產(chǎn)值的增加及GDP增速。同時基于逆DEA模型，可以計算出社會福利變化，如表8所示。

表8 不同場景下工業(yè)電力降費的效果分析

可見，在后疫情時代，通過工業(yè)電力降費可以實現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。短期工業(yè)電力降費5%使得綠色能源效率提升1.71%，純技術(shù)效率提升2.50%，規(guī)模效率提升4.46%；工業(yè)產(chǎn)值增加了4 849.617億元，社會總福利提升20.695億元。中期實現(xiàn)“工業(yè)電價再降10%”，全國綠色能源效率將提升3.62%，純技術(shù)效率提升5.27%，規(guī)模效率提升9.41%；工業(yè)產(chǎn)值將增加10 238.090億元，GDP增速為1.02%，CO2排放減少0.31%，社會總福利提升43.689億元。長期如果完全消除交叉補貼，工業(yè)產(chǎn)值將增加23 562.892億元，GDP增速增加2.54個百分點，CO2排放量減少0.71%，社會總福利將提升98.819億元。

2.新冠肺炎疫情沖擊下不同疫區(qū)工業(yè)電力降費的經(jīng)濟(jì)效益分析

基于上述分析，不同疫情地區(qū)降低企業(yè)用能成本的經(jīng)濟(jì)效益對比如表9所示。

表9 不同場景下不同疫區(qū)工業(yè)電力降費的經(jīng)濟(jì)效益分析

從疫情的嚴(yán)重程度來看，短期內(nèi)企業(yè)用能成本降低5%時，疫情重度地區(qū)的各項經(jīng)濟(jì)高質(zhì)量發(fā)展指標(biāo)的變化均最高，疫情中度地區(qū)次之，疫情輕度地區(qū)變化最小。通過工業(yè)電力降費，各區(qū)域的效率(綠色能源效率、純技術(shù)效率、規(guī)模效率)均有所提升，其中效率提升最大的是疫情重度地區(qū)，各效率提升的比例依次為1.96%、3.15%、4.52%。對于受新冠肺炎疫情影響最大的湖北、廣東等省份而言，可以使得地區(qū)的工業(yè)產(chǎn)值增加2 444.273億元，GDP增速為0.48%，CO2排放量減少0.18%，社會總福利提升11.452億元。

中期實現(xiàn)企業(yè)用能成本降低10%時，疫情重度、中度、輕度地區(qū)的工業(yè)產(chǎn)值分別可以增加5 160.119、3 914.504、1 163.468億元；疫情重度地區(qū)的社會總福利提升最大，為24.181億元，疫情中度地區(qū)次之，疫情輕度地區(qū)增加最少。長期完全消除交叉補貼后，各經(jīng)濟(jì)指標(biāo)的變化幅度更大，其經(jīng)濟(jì)效益更加明顯?？梢?，工業(yè)電力降費的長期經(jīng)濟(jì)收益為能源效率提升、CO2排放減少、工業(yè)產(chǎn)值提升與社會福利的提升，進(jìn)而推動經(jīng)濟(jì)的高質(zhì)量發(fā)展。

六、結(jié)論及政策建議

本文利用中國100個樣本城市2006—2016年工業(yè)和居民電力消費數(shù)據(jù)及2020年最新的電價數(shù)據(jù)，結(jié)合“降低企業(yè)用能成本”政策，以能源效率、碳排放、GDP增速、社會福利等指標(biāo)衡量經(jīng)濟(jì)高質(zhì)量發(fā)展的水平，分析企業(yè)用能成本降低對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響效果及其機制。同時，針對疫情對中國經(jīng)濟(jì)造成的不利沖擊，分析企業(yè)用能成本下降對經(jīng)濟(jì)高質(zhì)量發(fā)展的短期、中期、長期經(jīng)濟(jì)效果。本文的研究結(jié)論和政策建議主要包括：

首先，中國交叉補貼現(xiàn)象嚴(yán)重，2006—2019年的交叉補貼總額呈現(xiàn)倒“U”型，自2018、2019年實施“一般工商業(yè)降價”以來雖有所下降，但是總體偏高。此外，中國目前的綠色能源效率水平總體偏低，綠色能源效率均值為0.304，純技術(shù)效率總體低于規(guī)模效率。因此政府及各部門需要關(guān)注環(huán)境與氣候變化問題，通過產(chǎn)業(yè)升級、清潔能源轉(zhuǎn)型等方式，積極采取措施減少環(huán)境污染物排放，提升中國的能源效率，特別是純技術(shù)效率。

其次，交叉補貼會顯著造成效率損失，不利于經(jīng)濟(jì)高質(zhì)量發(fā)展。雖然東中西部地區(qū)之間的作用效果無顯著差異，但是疫情的嚴(yán)重程度不同，作用效果不同，其中對于疫情重度和中度地區(qū)存在顯著的不利影響，對輕度地區(qū)的作用效果不顯著。因此，在后疫情時代為助力經(jīng)濟(jì)高質(zhì)量發(fā)展，政府應(yīng)該因地制宜，實施“差異化”政策。對疫情十分嚴(yán)重的地區(qū)，企業(yè)用能成本降價幅度可以比疫情不嚴(yán)重的地區(qū)更大。

再次，在降低工業(yè)電價，減少交叉補貼，引致能源效率提升的過程中，純技術(shù)效率是主要的機制，其中介效應(yīng)占比為61.20%，而規(guī)模效率表現(xiàn)為遮掩效應(yīng)。所以，政府在實施“降低企業(yè)用能成本”政策時，應(yīng)該更加針對純技術(shù)效率較小的中小企業(yè)，如引入新技術(shù)、轉(zhuǎn)變能源利用方式，增強能源科技技術(shù)轉(zhuǎn)化。同時，基于現(xiàn)實背景，相對于大中型企業(yè)，中小企業(yè)受疫情的影響更大。

最后，降低企業(yè)用能成本的短期、中期、長期經(jīng)濟(jì)效益較為明顯。通過對國家發(fā)展改革委員會于2020年2月提出的“企業(yè)用能成本降費5%”的階段性政策評估發(fā)現(xiàn)，該政策有助于能源效率、工業(yè)產(chǎn)值、GDP增速提升，CO2排放減少，社會總福利提升。同時，基于中期“降費10%”的評估和長期完全實現(xiàn)“消除交叉補貼”的效果來看，企業(yè)用能成本降低有助于經(jīng)濟(jì)高質(zhì)量發(fā)展。因此，政府應(yīng)分階段降低交叉補貼，推動經(jīng)濟(jì)高質(zhì)量發(fā)展。